潜在预测赋能：无需模拟器的赋能测量

BriefGPT - AI 论文速递 · 2024-10-15T00:00:00Z

在长期回报任务中，规划很重要。研究发现，使用离线强化学习数据重新规划会遇到时间一致性问题。为此，提出了潜在规划变压器（LPT），结合Transformer生成器和最终回报，通过最大似然估计学习轨迹和回报。LPT在测试时通过推断潜在变量进行规划，指导策略优化。实验表明，LPT能从次优轨迹中优化决策，在多个基准测试中表现优异，验证了潜在变量推断作为奖励提示的有效性。